文献类型：科技成果

中文题名：基于大数据影像组学特征的非β细胞肺癌不同EGFR突变亚型的预测模型研究

完成人：周菲[1];黄乐乐[1];王皓宁[1];李燕[1];张晓河[1];李四海[1];陈月玲[1];罗永军[1];崔振存[1];李继承[1];

第一作者：周菲

完成机构：[1]甘肃中医药大学;

第一机构：甘肃中医药大学

年份：2024

语种：中文

中文关键词：肺癌;影像组学;临床诊断

摘要：①课题来源与背景：该课题为2019年度甘肃省科技计划项目，项目编号为20JR5RA188。研究背景：PET/CT影像组学在预测非小细胞肺癌EGFR基因突变状态方面有较好的应用前景，但是大部分研究所应用的数据量、检查的设备类型、所应用图像的层厚均不一致，这些均是影响预测效能的因素。该研究应用PET/CT影像组学，提取与EGFR突变状态相关的特征，并通过特征筛选保留高度相关的特征，用这些保留的特征构建模型，并对模型用测试集数据进行测试，旨在进一步验证PET/CT影像组学在预测EGFR突变状态的应用价值。②研究目的与意义：国内外尚无利用18F-FDG PET-CT影像组学对EGFR不同突变亚型进行分类的研究和不同EGFR突变亚型肺癌预后研究。该研究以分子病理诊断为金标准，基于18F-FDG PET-CT影像组学，构建EGFR不同突变亚型分类模型和预测不同EGFR突变亚型肺癌EGFR-TKIs治疗后的预后模型，并验证模型的准确性、有效性，为肺癌的诊治提供实用化的影像工具。③主要论点与论据：该研究是基于PET/CT影像组学方法构建预测模型，以无创性预测EGFR突变状态及2种敏感突变亚型的状态，以期为肺癌患者的个体化靶向治疗提供依据。根据纳入和排除标准，最终117例肺腺患者纳入研究。旨在完成2部分研究内容，第1部分研究为预测EGFR突变与野生的状态;第2部分研究为预测EGFR突变亚型的状态，分为3个研究任务，任务1为鉴别19缺失突变与野生;任务2为鉴别21L858R点突变与野生;任务3为两个突变亚型之间鉴别。每一部分的研究数据按7:3分为训练集和测试集，应用影像组学方法构建模型，将ITK-SNAP分割的肿瘤感兴趣区体积导入Pyradiomics库提取影像组学特征，经过随机森林选择特征作为影像组学标签，输入支持向量机进行模型的构建。应用受试者工作特征曲线、曲线下面积、准确率、精确率、召回率、F1值评估模型的性能。第1部分研究模型在训练集和验证集中显示出中等程度的预测性能，AUC分别为0.797、0.786。第2部分研究的任务1模型在训练集和验证集中显示出中等程度的预测性能，AUC分别为0.798、0.600。任务2模型在训练集和验证集中显示出较好的预测性能，AUC分别为0.855、0.786。任务3模型在训练集和验证集中显示出最好的预测性能，AUC分别为0.822、0.800。应用PET/CT影像组学构建的预测数学模型对EGFR突变状态及不同突变亚型具有中等-较高的诊断效能，有望进一步临床转化。④创见与创新：尚未有文献报道基于18F-FDG PET-CT组学特征预测非小细胞肺癌不同EGFR突变亚型的模型研究及EGFR-TKIs治疗后预测预后模型研究。⑤社会经济效益，存在的问题：该研究是医工交叉合作的项目，应用数学及人工智能方法解决医学当中的问题，应用大量医学数据进行了数学建模，预测肺癌EGFR基因突变。该研究的结果主要是对临床诊断为肺癌的患者提供EGFR预测的方法，在不能取得病理组织标本进行检测的情况下作为可供选择的手段，对治疗的选择起到指导作用，对合理利用医疗资源提供了一定保障，具有深远的临床意义。该研究对EGFR突变亚型的预测提供了可供选择的无创性、简便、准确的人工智能的方法，在国内属于领先水平，后期将加快研究成果的临床转化，与计算机学科专家加强合作，开发自动预测EGFR突变状态及不同突变亚型的软件，并进行软件测试，评估预测的准确性，以期将来临床推广。存在的问题：该研究尚存在几点局限性，首先，该研究是单中心的研究，样本量在同类型的研究中为中等水平，模型的临床应用能力有待更大样本量、前瞻性、中多心、不同PET/CT扫描机型来源的数据的验证及评估。其次，该研究在影像组学特征筛选时使用的是随机森林，未来应用更多的特征筛选方法，比较不同特征筛选方法所构建数学模型的效能。最后，该研究设计为二分类问题，但实际临床中需要对EGFR不同的亚型及野生型进行多分类，因此，将来的研究应探讨多分类的模型在实现EGFR19缺失突变、EGFR21L858R点突变、EGFR野生多分类任务时的价值。